As people's interest in golf equipment increases, wrist-worn wearable devices capable of auto-scoring based on inertial sensors (IMU) have emerged. In the case of swing, the signal can be extracted from the magnitude of the acceleration from IMU because the impact is large, but in the case of putting, the impact is relatively small compared to the swing, and it is difficult to extract the putting signal due to the influence of the hand-grip. Due to this problem, putting on the wrist-worn devices currently commercialized has a limitation of updating manually or having low accuracy.
In this study, we designed a putting detection algorithm for automatic scoring using an inertial sensor. Putting-signal extraction exploits the phenomenon that vibration caused by natural frequency occurs even for a small impact. The putting signal is extracted by designing a filter which passes only the natural frequency. The natural frequency of the putting is derived by assuming the putter as a beam. When putting, the natural frequency from wrist-worn IMU was derived by assuming putter as beam and defining grip boundary condition. In the field, however, there is a limit to extracting only the putting signal from the filtered-signal due to any shock other than the putting impact. Therefore, it is necessary to select a putting phase from real-time data. The putting phase was selected using dynamic time warping (DTW) and k-Nearest Neighbor (kNN). Finally, the algorithm selects the putting section from the wrist-worn IMU data in real-time and extracts the putting signal using the bandpass filter using the natural frequency in the selected phase. The algorithm was validated for 7 subjects using a protocol that assumes putting on the green. As a result, the total putting detection accuracy was 92.8%, and All of the algorithm performance metrics showed more than 0.9 accuracy.
In this study, we propose a detection algorithm that can be applied to golf watches and automatically scores in real fields. This algorithm presented can be also employed to increase accuracy of the wrist-type automatic scoring devices or other sports Also, it can be used for applications such as golf coaching and score management, and it is expected to satisfy the needs of consumers in the growing golf watch market.
골프 용품에 대한 사람들의 관심이 증가하면서, 관성 센서(IMU)를 기반으로 자동 스코어링 (Auto-Scoring)에 관련된 손목 형 웨어러블 기기가 등장하고 있다. 드라이버나 아이언 스윙에 경우 임팩트가 크기 때문에 가속도 신호 크기로부터 스윙 신호를 추출할 수 있지만, 퍼팅의 경우에는, 스윙에 비해 상대적으로 작은 임팩트가 가해지고, 손의 그립에 의한 영향으로 퍼팅 신호 추출이 쉽지 않다. 이러한 문제로 현재 상용화된 손목 형 웨어러블 기기 중 퍼팅의 경우, 수동으로 업데이트를 하거나 정확도가 낮은 한계가 있다.
본 연구에서는 관성 센서를 이용하여, 자동으로 스코어링을 하기 위한 퍼팅 판별 알고리즘을 설계하였다. 퍼팅 신호는 작은 임팩트에 대해서도 고유진동수에 의한 진동이 발생한다는 현상을 바탕으로, 해당 고유진동수 특성 만을 통과시키는 밴드패스 필터를 설계하여 추출하였다. 퍼팅 시, 손목에서의 고유진동수 특성은 퍼터를 빔으로 가정하고, 그립 경계조건을 정의하여 도출하였다. 하지만 실제 필드에서, 퍼팅 신호 이외의 임의의 충격 신호로 인해, 필터 처리된 신호로부터 퍼팅 신호만을 추출 하는데 한계가 있다. 따라서 실시간 관성 센서 데이터로부터 퍼팅 구간을 선정하는 것이 필요하다. 퍼팅 구간은 패턴 인식 기법인 동적 시간 굽힘(Dynamic Time Warping)과 최근접 이웃법(k-Nearest Neighbor)을 사용하여 선정하였다. 최종적으로, 본 알고리즘은 실시간 손목 관성 센서 데이터로부터 퍼팅 구간을 선정하고, 선정된 구간에서 고유진동수를 활용한 밴드패스 필터를 사용해 퍼팅 신호를 추출하였다. 알고리즘은 실제 필드에서의 퍼팅 시, 그린 위 상황을 가정한 프로토콜로 7명의 피험자를 대상으로 검증되었다. 실험 결과, 총 퍼팅 판별 정확도는 92.8%이고, 알고리즘 성능 지표가 모두 0.9 이상의 정확도를 보였다.
본 연구에서는, 골프 워치에 적용하여 실제 필드에서 자동 스코어링을 위한 판별 알고리즘을 제안했다. 해당 알고리즘은 골프 코칭 및 골프 스코어 관리 등의 응용분야에 활용할 수 있어, 증가하는 골프 워치 시장에 소비자의 요구를 만족 시킬 수 있는 기술이라 생각한다. 나아가 다른 스포츠의 임팩트 신호 판별에도 활용 할 수 있을 것으로 기대한다.
